Non-pharmacologic interventions to improve sleep of medicine inpatients: a controlled study
Notice bibliographique
Résumé
Background: Sleep quality in hospitalized medicine patients is poor, with environmental factors among the most frequently cited reasons.Objective: We tested the efficacy of a non-pharmacologic intervention on the sleep quality of medicine inpatients.Design/Methods: A controlled study to evaluate our non-pharmacologic multidisciplinary ‘TUCK-in’ protocol (which includes timed lights-off periods, minimizing night-time noise, distribution of earplugs at bedtime, cued toileting before bedtime, and identification and reduction of modifiable interruptions) was deployed on two of five identical medicine wards. Randomization was at the level of the ward.The main outcome measure was self-reported duration of night-time sleep within 48 hours prior to discharge. Additional outcome measures included the Verran–Snyder-Halpern (VSH) Sleep Score and inpatient sleep pharmaceutical use.Results: Self-reported duration of night-time sleep (median 5.0 vs. 5.0 hours, p = 0.29) and daytime sleep (1.0 versus 0.5 hours, p = 0.43) did not differ between the 40 intervention patients and the 41 control patients (p = 0.13 on multivariate analysis). Cumulative VSH sleep disturbance (median 420 versus 359, p = 0.19), efficacy (median 169 versus 192, p = 0.29), or supplementation (median 97 versus 100, p = 0.51) scales were also not different between study arms.Conclusions: Although staff reported the protocol to be achievable and worthwhile, there were no significant differences in any of the outcomes between intervention and control patients.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».